2021年中国矿区自动驾驶研究报告
2021中国矿区自动驾驶研究报告 TheResearchofAutonomousDrivinginChina'sMiningArea 亿欧智库https://www.iyiou.com/researchCopyrightreservedtoEqualOceanIntelligence,April2021 目录 CONTENTS Part1.自动驾驶技术 TheAutonomousDrivingTechnology Part2.矿区自动驾驶的应用研究 TheApplicationofAutonomousDrivingTechnologyinMiningArea Part.3中国矿区自动驾驶的典型案例 TheCasesofAutonomousDrivinginChina`sMiningArea Part.4中国矿区自动驾驶的未来展望 TheOutlookofAutonomousDrivinginChina`sMiningArea 2 Part1.自动驾驶技术 TheAutonomousDrivingTechnology 3 1.1自动驾驶技术定义及框架 TheDefinitionandFrameworkofAutonomousDrivingTechnology 4 自动驾驶定义：根据工信部和标准委的当前界定，自动驾驶（汽车驾驶自动化）指车辆在搭载先进传感器、控制器、执行器的基础上，在特定的设计运行范围内，能自主获取和分析车内外信息，持续地处理部分或全部动态驾驶任务。 亿欧智库：自动驾驶分级标准与划分亿欧智库：自动驾驶具体等级划分标准 等级 等级名称 持续的车辆横向和纵向运动控制 目标和事件探测响应 动态驾驶任务接管 设计运行范围 L0 应急辅助 驾驶员 驾驶员和系统 驾驶员 有限制 L1 部分驾驶辅助 驾驶员和系统 驾驶员和系统 驾驶员 有限制 L2 组合驾驶辅助 系统 驾驶员和系统 驾驶员 有限制 L3 有条件自动驾驶 系统 系统 动态驾驶任务接管用户（接管后成为驾驶员） 有限制 L4 高度自动驾驶 系统 系统 系统 有限制 L5 完全自动驾驶 系统 系统 系统 无限制 •标准颁布：工信部在2020年3月9日下发了《汽车驾驶自动化分级》推荐性国家标准报批公示，该文件基于驾驶自动化系统能够执行动态驾驶任务的程度，根据在执行驾驶任务中的角色分配以及有无设计运行条件限制，将驾驶自动化分为0~5级。 •颁布意义：此公示的颁布意味着中国正式拥有自己的自动驾驶汽车分级标准，将为我国后续自动驾驶相关法律、法规、强制性标准提供支撑。 •具体划分标准：根据系统执行动态驾驶任务的能力和设计运行范围，车辆的自动驾驶可以分为6级。随着等级上升，系统将逐步代替驾 驶员完成各项操作，设计运行范围也由限制场景拓展至全部行驶路况。设计运行范围是指确定的自动驾驶的运行条件，如道路，交通，速度，时间等；动态驾驶任务指完成车辆所需的感知，决策和执行等行为，具体包括横向/纵向运动控制，目标和事件的探测响应， 驾驶决策及信号装置控制等。 5 Source：工信部《国家车联网产业标准体系建设指南（智能网联汽车）》；全国汽车标准化技术委员会《汽车驾驶自动化分级》（征求意见稿）；亿欧智库整理 自动驾驶技术框架：自动驾驶的技术框架两条主线是“驾驶信息感知”和“决策控制”，其发展的核心是由系统进行信息感知、决策预警和智能控制，逐渐替代驾驶员的驾驶任务，并最终完全自主执行全部驾驶任务。其中，感知层是自动驾驶所有数据的输入源，决策层由计算平台完成海量的数据处理。 各国自动驾驶技术开发理念基本一致：中国基本沿用了SAEJ3016™文件对自动驾驶的划分标准和理念，而这一标准也被各国广泛采纳。另外，中国主张的自动驾驶概念置于智能网联汽车范畴之下，强调智能化（自动驾驶）和网联化（V2X）的融合，构建单体车辆智能和车路协同智能共进的技术体系。但在具体ADAS方面，中国的政策相对欧美滞后，尚以推荐性标准为主。 纲领文件 《国家车联网产业标准体系建设指南（智能网联汽车）》 亿欧智库：自动驾驶（智能网联）汽车的技术逻辑结构 亿欧智库：中国自动驾驶/ADAS标准实施情况 信息感知 （驾驶相关） 传感探测 驾驶任务 决策预警 自主控制 （L3/L4/L5） 决策控制 辅助控制 （L1/L2） 定义：车辆利用自身搭载的传感器、或通过车载通信装置与外部节点进行信息交换，探测和监控车辆驾乘人员、车辆自身运行情况及周围环境等与驾驶相关的信息 定义：按照某种逻辑规则对驾驶信息进行处理分析，判定车辆在发生危险倾向、处于危险状态或可能危及其它交通参与者，需提醒驾驶员注意或采取措施时，通过光学、声学等方式发出报警信号 定义：车辆行驶过程中方向控制和速度控制及其组合对车辆行驶状态的调整和控制 推荐性标准 （已报批/公示） •BSD盲区监测 •LKA车道保持辅助 •ACC自适应巡航 •FCW前撞预警 •LDW车道偏离预警 •AEB自动紧急制动 •…… 推荐性标准 （立项） •IPA智能泊车辅助 •驾驶员注意力监测 •全速自适应巡航 •车载感知融合技术标准化 •自动驾驶汽车数据记录系统 •…… 强制安装功能及时间要求 •LDW&FCW：2018年 部分客车 •AEB： 2019和2021年 部分客车 •LKA：2022年2月部分客车 6 Source：工信部《国家车联网产业标准体系建设指南（智能网联汽车）》，；全国汽车标准化技术委员会《汽车驾驶自动化分级》（征求意见稿）；亿欧智库整理 1.2自动驾驶技术发展的不同模式 DifferentModesofDevelopmentofAutonomousDriving 7 全路况的自动驾驶是汽车电子技术发展的终极目标，智能化和网联化成汽车技术发展的两大重要维度，智能化随着半导体、算法技术发展而不断进步，网联化则在5G、AI技术的赋能下，强调信息的实时性和丰富性。现阶段的智能化和网联化程度尚不支持全路况自动驾驶。商用车对于行车地点和时间进行限制，避开路况复杂区域，同时限制驾驶速度，有利于绕开复杂场景下的技术困难。 网联化 亿欧智库：自动驾驶乘用车与商用车的落地时间 乘用车自动驾驶 商用车自动驾驶 高速公路自动驾驶 协同式卡车队列 商用车自动泊车 自适应巡航 自动紧急制动 换道辅助 商用车队列行驶 目前进入规模化落地阶段的 重点关注领域 车道保持 2016 2017 2018 2019 2020 2022 2025+ 智能化 全路况自动驾驶 无人驾驶专用车 园区无人驾驶公交 自适应巡航 车道内自动驾驶 联网辅助信息交互系统 联网协同感知 系统 车路协同 矿区自动驾驶 网联协同决策 与控制械系统 辅助驾驶部分自动驾驶有条件自动驾驶高度自动驾驶 8 Source：广汽，信通院，中金公司研究部，国泰君安证券研究；亿欧智库整理。注：规模化落地在此处指的是产品拥有实际可应用和终端应用需求，并且产品拥有极强的产品复制能力 自动驾驶的主流玩家可以分为两类：以渐进式策略为主的主机厂，以及跨越式策略的科技企业。 其中主机厂和传统的第一梯队汽车制造公司,通用Cruise和福特，主机厂的策略是从L1、L2向高阶自动驾驶进行升级，另一方面在L2汽车的基础上叠加新的L3、L4级别功能来给予客户更好的消费体验，提升车辆性能的同时，规避了L3责任划分带来的问题。 而科技企业直接从L4及以上级自动驾驶切入，从物流车、矿区车、高速公路等针对具体工况的车辆入手，通过限定场景来降低开发难度，避免了由于场景复杂而带来的安全问题，在主要指标、年度平均接管历程（MPI）中取得绝对领先，典型公司有Waymo、百度、小马智行等。 亿欧智库：主机厂与科技企业实现自动化的不同策略亿欧智库：2020加州路测接管里程MPI* L4-L5 29,945 28,520 20,367 10,73810,519 6,507 5,201 5,034 跨越式路径AI+车 跨越式的科技企业策略 渐进式路径 车+AI 技术竞争 L3 渐进式路径 车+AI 商品竞争 L2 配置竞争 Waymo CruiseAutoXPony Argo Weride DidiNuro Source：MPI即MilesperIntervention，每两次人工干预之间行驶的平均里程数 9 Source：信通院，中金公司研究部，国泰君安证券研究，加州DMV；亿欧智库整理 1.3中国无人驾驶商用车的主要落地场景 TheMainLandingScenariosofDrivelsCommercialVehiclesinChina 10 主流应用场景：当前自动驾驶在载货商用车领域有六大主流应用场景，包括：矿区场景、港口场景、物流园区、机场场景、干线物流、末端物流。 亿欧智库：中国自动驾驶商用车领域六大主流应用场景 矿区场景 •场景简介:自动驾驶主要应用在露天矿区，开放程度高，矿区内行人干扰度低，路线复杂程度低，是自动驾驶技术应用的绝佳场景。 •应用现状：矿区自动驾驶已在宝日希勒矿区、白云鄂博矿区、鄂尔多斯矿区等多个矿区开展试运营。 •车辆类型：自动驾驶矿卡和自动驾驶宽体车。 •实现功能：可实现土方剥离以及运输的功能，速度低于30km/h。 港口场景 •场景简介：港口场景复杂程度低，对自动驾驶技术要求低，但是市场规模较小。 •应用现状：在上海、天津、宁波、深圳等多地港口已展开自动驾驶集卡试运营，天津港已经布局超25辆自动驾驶集卡。 •车辆类型：自动驾驶集卡。 •实现功能：自动驾驶集卡行驶在塔吊和堆场之间，负责运输集装箱，速度低于30km/h。 干线物流 •场景介绍：干线物流场景机动车与非机动车隔离，无对向来车，降低了感知及决策难度。 •应用现状：铺设专用的智慧道路，图森未来，直线科技已经在多地进行商业试运营。 •车辆类型：自动驾驶货车。 •实现功能：实现货物点到点的自动干线运输，行驶速度80-120km/h。 机场场景 •场景介绍：机场场景内车量类型多，包括加油车、摆渡车、拖车、飞机等，对感知和决策的考验较大。 •应用现状：广州、海口、北京等多地机场已开展自动驾驶接驳车试运营。 •车辆类型：自动驾驶接驳车。 •实现功能：在机场行李舱和飞机行李舱之间，运输行李和货物。 物流园区 •场景介绍：物流园区基建完善，自动化程度高，内部行驶的车辆类型比较多。 •应用现状：菜鸟、苏宁、德邦均布局物流园区自动驾驶，京东也开始筹备5G物流示范园，全 园将引入自动驾驶技术。 •车辆类型：自动驾驶重卡和自动驾驶轻型货车。 •实现功能：仓与仓之间货物运输，速度低于30km/h。 末端物流 •场景介绍:末端物流具有高频，分散的特点，目的是解决“最后一英里“的配送难题。 •应用现状：目前苏宁、京东等平台均推出L4级无人配送小车，已经实现运营。 •车辆类型：无人配送小车和无人配送大车 •实现功能:小体积配送车主要行驶在人行道，负责配送食品外卖，大体积则是用于线下零售配送，行驶速度为15-25km/h。 11 Source：亿欧智库整理 场景复杂程度是自动驾驶技术在特定场景落地的关键因素之一。亿欧智库从场景对自动驾驶实现难度的影响因素出发，通过交通标识、行人干扰等多个指标对自动驾驶商用车应用的六大主流场景进行评价对比。综合分析之下，高等级自动驾驶技术在矿区场景应用难度较小，更易实现商业化应用。因此，亿欧智库将矿区场景作为自动驾驶商业化应用研究的主要研究场景。 感知层 亿欧智库：自动驾驶商业化场景评价指标维度亿欧智库：商用自动驾驶落地难度 交通标识识别 信息采集 行人识别 车辆识别 静态障碍物识别 决策层 路径规划 路线复杂程度 数据处理 行驶速度 控制层 通信环境 车辆控制 基建完善程度 矿区场景 港口场景 •交通标识简易 •路线复杂程度低 •速度要求低 •行人干扰度低 •车辆干扰度低 机
